يمكن لنظام الذكاء الاصطناعي أن يساعد العلماء على تحديد دواء جديد واعد. ولكنها قد تقنعهم أيضًا بوجود تأثير بيولوجي عندما لا يكون موجودًا.
يقوم الذكاء الاصطناعي التوليدي بإنشاء محتوى جديد من خلال تعلم الميزات والعلاقات المشتركة من الأمثلة الموجودة.
على الرغم من أن هذه التكنولوجيا معروفة بإنتاج النصوص والصور، إلا أن الباحثين يستكشفون استخدامها في تصميم البروتيناتومحاكاة الخلايا وملء الفجوات في النتائج التجريبية وتوليد البيانات البيولوجية الاصطناعية.
لكن هذه الأنظمة يمكن أن تهلوس.
في البحوث البيولوجية، قد يعني هذا توليد نمط جزيئي معقول المظهر أو استنتاج لا يعكس البيولوجيا الأساسية.
مثل هذا الخطأ يمكن أن يكون له عواقب ملموسة.
قد يتجاهل الذكاء الاصطناعي عقارًا مرشحًا كان من الممكن أن ينجح، أو يوجه الباحثين نحو علاج غير فعال، أو يخفي تأثيرًا بيولوجيًا حقيقيًا، أو يجعل آلية المرض غير الموجودة تبدو وكأنها اكتشاف.
يستكشف عالم الأحياء الحسابي توماس برجر من جامعة جرينوبل ألب في فرنسا هذه المشكلة عبر 10 استخدامات محتملة للذكاء الاصطناعي التوليدي في مقال رأي نُشر في الأنماط.
يمكن لتجارب Omics إنشاء مجموعات بيانات واسعة تحتوي على قياسات الجينات والبروتينات والجزيئات الأخرى. يمكن أن يساعد الذكاء الاصطناعي الباحثين على فهم هذا الحجم الهائل من المعلومات، ولكن قد يكون من الصعب اكتشاف التغييرات الطفيفة التي يتم إدخالها على مثل هذه البيانات المعقدة.
يقترح برجر أن هذه التطبيقات لا تحمل جميعها نفس المستوى من المخاطر.
والفرق الرئيسي هو ما إذا كان مخرجات الذكاء الاصطناعي فكرة سيتم اختبارها لاحقًا في تجربة حقيقية أو بيانات تركيبية تستخدم مباشرة كدليل.
“لم أفكر في ذلك مطلقًا حتى الآن، ولكن أعتقد أنه من الممكن أن يكون لديك هلوسة تؤدي إلى اكتشافات حقيقية.” – عالم الأحياء الحسابي توماس برجر
فحص الأدوية المحتملة أو البروتينات من بين التطبيقات الأقل خطورة نسبيًا. يمكن للنموذج أن يقيم بسرعة عددًا كبيرًا من المرشحين ويختار مجموعة أصغر للاختبارات المعملية.
إذا ارتكب الذكاء الاصطناعي خطأً ما، فقد يتجاهل الباحثون مرشحًا كان سينجح، أو يضيعون الوقت والمال في التحقيق في مرشح يفشل في النهاية. لكن لا يزال يتعين على المرشح المختار إثبات آثاره في تجربة حقيقية قبل قبوله كاكتشاف.
ويزداد الخطر عندما تبدأ البيانات التي يولدها الذكاء الاصطناعي في استبدال القياسات التجريبية.
يمكن أن تساعد البيانات البيولوجية الاصطناعية في ملء القياسات المفقودة، أو حماية خصوصية المريض، أو إنشاء مجموعات مقارنة، أو خفض تكاليف البحث، أو تقليل عدد الحيوانات المستخدمة في التجارب.
ولكن إذا أدخل الذكاء الاصطناعي ميزة لم تكن موجودة على الإطلاق، فمن الممكن أن يعتقد العلماء أنهم اكتشفوا تأثيرًا بيولوجيًا لم يحدث أبدًا. لن يقوم النظام بعد الآن بإجراء تنبؤات غير صحيحة حول التجربة فحسب. كان من الممكن أن يدخل تلفيقها في الأدلة الداعمة للادعاء العلمي.
قال برجر لموقع ScienceAlert: “في معظم الأحيان، لا تتعلق المشكلة بمقارنة الهلوسة باكتشاف بيولوجي حقيقي جنبًا إلى جنب”.
“يتعلق الأمر أكثر بالبيانات الحقيقية التي تم إتلافها بسبب الهلوسة على طول سير العمل الحسابي المعقد (بمساعدة الجينات) الذي يجعل من الممكن تحويل الإشارات الأولية التي تم الحصول عليها باستخدام التقنيات الحيوية المعقدة إلى أوصاف صالحة بيولوجيًا للآليات الجزيئية.”
بمعنى آخر، أثناء معالجة البيانات الحقيقية، يمكن للذكاء الاصطناعي تغيير الإشارة بطريقة يصعب اكتشافها. يمكن أن يؤثر التغيير على استنتاج الباحثين دون خلق نتيجة منفصلة ملفقة بشكل واضح.
وقال برجر: “إذا تم تشويه بعض الإشارات أو تضخيمها أو تغييرها خلال العملية في أي اتجاه قد يؤدي إلى استنتاجات بيولوجية نهائية مختلفة، فسيواجه المحقق صعوبة في ملاحظة ذلك ما لم يكن لديهم فهم عميق حول كيفية عمل جين الذكاء الاصطناعي”.
ظهر مثال حقيقي مع AlphaFold 3.
في ورقة 2024 في الطبيعةأفاد مطورو AlphaFold 3 أن النموذج يمكن أن يولد “هياكل هلوسة” في مناطق البروتين المضطربة، على الرغم من أن درجات الثقة المنخفضة يمكن أن تنبه الباحثين إلى المشكلة.
قد لا تجعل أخطاء الذكاء الاصطناعي دائمًا التأثير غير الموجود يبدو حقيقيًا. وبدلاً من ذلك، قد يضيف النموذج الكثير من التشويه إلى البيانات، مما يجعل الباحثين يتجاهلون التأثير الحقيقي، وربما يفتقدون الأدلة التي تثبت نجاح العلاج بالفعل.
ولم يفكر برجر من قبل فيما إذا كانت هلوسة الذكاء الاصطناعي يمكن أن تؤدي إلى اكتشاف حقيقي.
“لم أفكر في ذلك مطلقًا حتى الآن، ولكن أعتقد أنه من الممكن أن يكون لديك هلوسة تؤدي إلى اكتشافات حقيقية.”
وقارن هذا الاحتمال بالاكتشافات غير المتوقعة الناتجة عن الأخطاء المعملية.
وقال برجر: “لقد تم الاعتراف بالصدفة منذ فترة طويلة؛ سواء كانت ناشئة عن هلوسة جين الذكاء الاصطناعي أو أي خطأ آخر في المختبر الرطب، فلا يهم في النهاية، سواء من وجهة النظر الأخلاقية أو من مستوى التحقق الخلفي المتوقع”.
ما يهم هو كيفية استخدام الباحثين للمخرجات. إذا تم التعامل معها على أنها فكرة للاختبار، فقد تظل الهلوسة مجرد فرضية فاشلة. إذا تم التعامل معها على أنها ملاحظة حقيقية، فقد يدخل تلفيق مقنع إلى الدليل ويتم الخلط بينه وبين الواقع البيولوجي.
حتى النتيجة الأكثر إثارة التي يقترحها الذكاء الاصطناعي لا تعتبر اكتشافًا حتى يتم التحقق منها بشكل مستقل في تجربة حقيقية.
تم نشر المقال في الأنماط.
تم التحقق من صحة هذه المقالة بواسطة ريبيكا داير وتم تحريره بواسطة ريبيكا داير. وبينما نفخر بعمليتنا، فإننا بشر فقط. إذا اكتشفت خطأً، يرجى اعلامنا.
نشر لأول مرة على: www.sciencealert.com
تاريخ النشر: 2026-08-09 03:00:00
الكاتب: Esra Öz
تنويه من موقع “beiruttime-lb.com”:
تم جلب هذا المحتوى بشكل آلي من المصدر: www.sciencealert.com بتاريخ: 2026-08-09 03:00:00. الآراء والمعلومات الواردة في هذا المقال لا تعبر بالضرورة عن رأي موقع “beiruttime-lb.com”، والمسؤولية الكاملة تقع على عاتق المصدر الأصلي.
ملاحظة: قد يتم استخدام الترجمة الآلية في بعض الأحيان لتوفير هذا المحتوى.
